基于蛙跳算法的点射影深度估计方法
【技术领域】
[0001] 本发明设及射影重构技术领域，具体设及一种基于蛙跳算法的点射影深度估计方 法。
【背景技术】
[0002] 基于图像序列的S维重建通常是用点的重建，通过图像序列中对应的特征点匹 配，在已知摄像机参数矩阵的条件下，就可W计算出点的=维坐标，=维物体的形状与位置 就可W唯一确定。在分层重构的步骤中，射影重构是最重要的一步，它对结果的精度起着决 定性作用。而射影重构所要解决的关键问题是对空间点到摄像机的射影深度进行估计，并 使得合适的调整矩阵可W进行因数分解。
【发明内容】
[0003] 本发明所要解决的技术问题是提供一种基于蛙跳算法的点射影深度估计方法，其 能够对空间点到摄像机的射影深度进行估计，并使得合适的调整矩阵可W进行因数分解。
[0004] 为解决上述问题，本发明是通过W下技术方案实现的：
[0005] 基于蛙跳算法的点射影深度估计方法，包括如下步骤：
[0006] 步骤1，将n个=维空间物体点通过q个射影矩阵投射到透视图像序列上，生成测 量矩阵；
[0007] 步骤2,对所得透视图像序列及测量矩阵进行归一化处理；
[000引步骤3,选择子群数量a和每个子群中青蛙的个数b，则整个种群的数量G=aXb;定义一个解U(X)= {入…入12,…，入。'，入2。入22,…，入2J，…，入ij…，入耻}，i= 1，2,…，q， j= 1，2,…，n;
[0009] 步骤4,生成G个青蛙，每个青蛙代表一个解U(X);
[0010] 步骤5,将每只青蛙所对应的测量矩阵进行奇异值分解，并由适应度函数公式计算 每只青蛙的适应度J(x);
[0011] 步骤6,将所有青蛙按其青蛙的适应度J(x)排序，生成一个集合X=KU(x)， J(X)}，并记录整个种群中适应度最好青蛙Pg;
[001引步骤7,将集合X分成a个子群Yk，每个子群Y泡含b个青蛙，并按W下公式将青 蛙分组，放入不同的子群，
[001 引Yk=[扣(l)k，J(l)k)|U(l)k=U&+a(l-l))，J(l)k=J&+a(l-l))]
[0014] 其中k= 1, 2,…，a, 1 = 1, 2,. . . , b;
[0015] 步骤7,通过意识进化，使得每组子群中的每只青蛙离目标位置更逼近；
[0016] 步骤8,在每个子群中执行了一定意识进化W后，将各个子群Yk进行合并，合并后 再按青蛙的适应度J(X)进行重新排序，W更新集合x=KU(x)，J(x)}及整个种群中适应 度最好青蛙Pg;
[0017] 步骤9,检查终止条件，如果迭代终止条件满足，则将整个种群中适应度最好青蛙 Pg所代表的解U(x)作为待求的射影深度输出；否则，返回步骤6。
[0018] 上述步骤7中，将每组子群中执行意识进化的过程如下：
[0019] 步骤7-1，初始化子群计数im= 0,进化次数in= 0 ;用Pb和Pw分别表示每个子 群Yk中适应度最好和最差青蛙；
[0020] 步骤7-2,子群计数im不变，并逐渐增大进化次数in,直至进化次数in达到设定 的最大进化数N，每次进化次数in的变化对应一轮进化迭代；进化次数in不变，并逐渐增 大子群计数im，直至子群计数im达到设定的子群数量a,每次子群计数im的变化对应一轮 进化迭代；
[0021] 步骤7-3,在每一轮进化迭代过程中，均采用如下方法调整每个子群中适应度最差 青蛙Pw位置，即先计算最差青蛙Pw移动到最好青蛙化的距离D，再将最差青蛙Pw的当前 位置加上距离D作为最差青蛙Pw的更新后的位置；
[0022] 步骤7-4,比较最差青蛙Pw更新前和更新后的适应度，如果更新后的适应度好于 更新前的适应度，则用处于新位置的最差青蛙Pw取代原来的青蛙，否则用整个种群中适应 度最好青蛙Pg代替每个子群Yk中适应度最好青蛙化，并重复步骤7-3的过程；
[0023] 步骤7-5,如果始终不能生成更好的青蛙，那么就随机生成一个新的青蛙去取代原 来最差青蛙Pw。
[0024] 上述步骤5和步骤8中，均采用适应度J(x)升序的方式对所有青蛙的进行排序。
[0025] 上述步骤9中，将整个种群中适应度最好青蛙Pg不再改变或达到最大的进化次数 N作为迭代终止条件。
[0026] 上述步骤2中，对所得透视图像序列及测量矩阵进行归一化处理是让每一幅透视 图像中的透视图像的坐标乘上1个公共因子，使它们的平均范数为^/^。
[0027] 与现有技术相比，本发明基于蛙跳算法来实现点射影重构中的射影深度的估计， 由于蛙跳算法是结合了W遗传为基础的memetic算法和W社会行为为基础的粒子群优化 PSO算法的优点，因此本射影深度估计方法具有收敛速度快，容易获得最优解的特点，其所 估计出的射影深度能够使得合适的调整矩阵可W进行因数分解。
【具体实施方式】
[002引假设n个S维空间物体点通过q个3X4的射影矩阵Mi(i= 1，2,…，q)投射到F幅透视图像上。其中Pj(j= 1，2,…，n)为第j个S维空间物体点，它在第i(i= 1，2,…，q) 幅图像上的像点为my。那么对于q幅图像和n个空间物体点：
[0029]
【主权项】
1. 基于蛙跳算法的点射影深度估计方法，其特征是，包括如下步骤： 步骤1，将η个三维空间物体点通过q个射影矩阵投射到透视图像序列上，生成测量矩 阵； 步骤2,对所得透视图像序列及测量矩阵进行归一化处理； 步骤3,选择子群数量a和每个子群中青蛙的个数b，则整个种群的数量G = aXb ;定 义一个解 U (X) = { λ η，λ 12，…，λ w λ 21，λ 22，…，λ 2j，…，λ u…，λ 职}，i = 1，2, 一，q，j =1，2, ...，n ; 步骤4,生成G个青蛙，每个青蛙代表一个解U (X); 步骤5,将每只青蛙所对应的测量矩阵进行奇异值分解，并由适应度函数公式计算每只 青蛙的适应度J(X); 步骤6,将所有青娃按其青娃的适应度J (X)排序，生成一个集合X ={ (U (X)，J (X) }，并 记录整个种群中适应度最好青娃Pg ; 步骤7,将集合X分成a个子群Yk，每个子群Yk包含b个青蛙，并按以下公式将青蛙分 组，放入不同的子群， Yk= [ (U ⑴ k，J ⑴ k) IU (I) k = U (k+a (1-1))，J (I) k = J (k+a (1-1))] 其中 k = l，2，...，a，l = l，2，...，b; 步骤7,通过意识进化，使得每组子群中的每只青蛙离目标位置更逼近； 步骤8,在每个子群中执行了一定意识进化以后，将各个子群Υκ?行合并，合并后再按 青蛙的适应度J(X)进行重新排序，以更新集合X= KU (X)，J(x)}及整个种群中适应度最 好青娃Pg ; 步骤9,检查终止条件，如果迭代终止条件满足，则将整个种群中适应度最好青蛙Pg所 代表的解U(X)作为待求的射影深度输出；否则，返回步骤6。
2. 根据权利要求1所述基于蛙跳算法的点射影深度估计方法，其特征是，步骤7中，将 每组子群中执行意识进化的过程如下： 步骤7-1，初始化子群计数im = 0,进化次数in = O ;用Pb和Pw分别表示每个子群Yk 中适应度最好和最差青虫圭； 步骤7-2,子群计数im不变，并逐渐增大进化次数in，直至进化次数in达到设定的最 大进化数N，每次进化次数in的变化对应一轮进化迭代；进化次数in不变，并逐渐增大子 群计数im，直至子群计数im达到设定的子群数量a，每次子群计数im的变化对应一轮进化 迭代； 步骤7-3,在每一轮进化迭代过程中，均采用如下方法调整每个子群中适应度最差青蛙 Pw位置，即先计算最差青蛙Pw移动到最好青蛙Pb的距离D，再将最差青蛙Pw的当前位置 加上距离D作为最差青蛙Pw的更新后的位置； 步骤7-4,比较最差青蛙Pw更新前和更新后的适应度，如果更新后的适应度好于更新 前的适应度，则用处于新位置的最差青蛙Pw取代原来的青蛙，否则用整个种群中适应度最 好青蛙Pg代替每个子群Yk中适应度最好青蛙Pb，并重复步骤7-3的过程； 步骤7-5,如果始终不能生成更好的青蛙，那么就随机生成一个新的青蛙去取代原来最 差青蛙Pw。
3. 根据权利要求1所述基于蛙跳算法的点射影深度估计方法，其特征是，步骤5和步骤 8中，均采用适应度J(x)升序的方式对所有青蛙的进行排序。
4. 根据权利要求1所述基于蛙跳算法的点射影深度估计方法，其特征是，步骤9中，将 整个种群中适应度最好青蛙Pg不再改变或达到最大的进化次数N作为迭代终止条件。
5. 根据权利要求1所述基于蛙跳算法的点射影深度估计方法，其特征是，步骤2中，对 所得透视图像序列及测量矩阵进行归一化处理是让每一幅透视图像中的透视图像的坐标 乘上1个公共因子，使它们的平均范数为。
【专利摘要】本发明公开一种基于蛙跳算法的点射影深度估计方法，其首先将n个三维空间物体点通过q个射影矩阵投射到透视图像序列上，生成测量矩阵；然后对所得透视图像序列及测量矩阵进行归一化处理；最后生成G个青蛙，每个青蛙代表一个解，并利用蛙跳算法选出整个种群中适应度最好青蛙，并将最好青蛙所代表的解作为待求的射影深度输出。本发明具有收敛速度快，容易获得最优解的特点，其所估计出的射影深度能够使得合适的调整矩阵可以进行因数分解。
【IPC分类】G06F17-30, G06N3-00, G06T7-00, G06T17-00
【公开号】CN104867185
【申请号】CN201510332487
【发明人】雷晓春, 周旭, 江泽涛, 王勇, 赵佳, 陈俊彦
【申请人】桂林电子科技大学
【公开日】2015年8月26日
【申请日】2015年6月16日